货拉拉技术

这篇文章分享一条真实的落地路径：我们不是直接追求“AI 一键生成完美用例”，而是先用 MVP 验证方向，再用 1.0 补齐输入解析、Prompt 工程化、知识工程和检索闭环，最后把能力沉淀到测试智能体

随着企业物流服务能力不断拓展，客户运输需求日益多样化，为了服务不同类型客户，不断膨胀臃肿的后端服务该何去何从

目前地球上正式的语言超过了1100种，但大部分人通常只能掌握 2-3种。一旦涉及到我们不会的语言，就需要借助工具或他人来翻译。你是否好奇过，现在AI热度那么高，它能掌握其中多少语言呢？

本文介绍了在 API 安全治理中的资产分类实践：通过 CatBoost 融合文本与统计特征，构建基于 95% 高置信度回流与人工校验的自学习闭环机制，大幅提升模型精度与安全防护效率。

本文介绍数据质量告警平台的设计思路与落地实践：如何通过实时 Binlog 监听、配置化接入与细粒度维度分析，构建高效率、低成本的异常发现与防控能力；

背景 2025年10月起，小米将对悬浮窗权限（SYSTEM_ALERT_WINDOW）的使用场景进行调整，调整方案为： 当应用从前台切换到后台时，将仅支持以下业务功能需求下继续使用悬浮窗 1.视频聊天

1. 什么是RAG？ RAG（Retrieval-Augmented Generation，检索增强生成） 是一种结合信息检索与文本生成的技术。 核心思想：在生成答案前，先从大规模知识库中实时检索相关

在2025年初，lalamove交易团队启动了代号为"大扫除"的代码瘦身计划，旨在通过消除无效代码和DB废弃字段的方式，提升代码可读性、可维护性，降低沟通成本，最终提升研发效能。

本文将分享货拉拉海豚平台在大模型推理工程化方面的一系列实践与落地经验，展示其在真实业务场景中的技术探索与工程优化。